一篇新的理论论文正在以太坊研究者之间广泛流传,其核心观点相当直接:以太坊上拜占庭容错共识背后的安全数学,以及 DeFi 预言机上报价格的方式,都建立在一旦对验证者行为进行实际测量就不再成立的假设之上。该分析发表于 2026 年 8 月的以太坊研究论坛 ethresear.ch,由研究员 Hudu Yusuf 撰写,文中指出,一旦将验证者行为相关性纳入考量,以太坊“诚实多数”的安全边际远远达不到教科书中的 33% 数值——而且从Chainlink到Pyth的每一家主流预言机提供商,都在运行一种论文认为在数学上并非最优的策略。
目录
要点总结
- 一个名为“协调崩塌(Coordination Collapse)”的新定理表明,即便控制了大量名义质押,行为几乎完全一致的验证者几乎会失去全部有效投票权重。
- 应用到以太坊真实的验证者集合后,前三大实体大约持有60% 的名义质押,但在考虑行为多样性后,仅拥有约15.7% 的有效权重。
- 独立质押的单机验证者仅持有 22.3% 的名义质押,却因为其行为与他人高度不相关,最终掌握了超过 60% 的有效投票权。
- 第二个定理认为,在存在不确定性时选择不发布数据的预言机要优于始终发布数据的设计;对 30 起主要 DeFi 攻击事件的回测显示,“沉默”策略本可以阻止全部攻击,预计可保护 33.15 亿美元资金。
- 被研究的所有已部署预言机网络——Chainlink、Pyth、UMA、Band、API3 和 RedStone——目前都采用始终发布数据的模型,论文将其称为结构性脆弱。
协调崩塌:行为相关性削弱投票权
论文的第一个、也是影响最深远的结果是:验证者对共识的真实影响力,与其持有多少质押相比,更取决于其行为有多独立。以太坊当前的权益证明系统仅按名义质押为每一票加权——持有更多 ETH 的验证者就拥有更大的话语权。新的框架称为 DW-BFT(多样性加权 BFT),认为这种度量方式本身就是错误的。
加权 BFT 与 DW-BFT 背后的多样性公式
该模型为每个验证者引入一个“多样性权重”,通过比较其行为模式——见证(attestation)时间、MEV-boost 中继选择、出块习惯、重组(reorg)参与情况——与全网平均行为之间的差异来计算。那些在投票和出块上与其他人几乎完全一致的验证者,在这一多样性指标上的得分会接近于零,无论他们质押了多少 ETH。由此得到的定理 1,被称为“协调崩塌(Coordination Collapse)”,指出当一个验证者集团的行为向量高度相似时,随着内部相关性趋近于 1,其有效投票权重会收敛到零,而与其名义质押无关。
这直接挑战了以太坊目前对 33% 容错上限的理解。论文认为,一旦将行为相关性计入,所谓“按设计诚实多数”的安全边际根本不是 33%,而是接近个位数,因为那些步调一致的大型质押实体并没有真正增加独立的安全性,它们只是重复了同一张选票。
DW-BFT 视角下的以太坊验证者集合
为了检验理论,研究者从按存款份额排名前 50 的以太坊验证者实体中提取了行为数据,覆盖 2026 年 5 月至 7 月间约 420 万个 epoch。结果相当醒目。Lido 拥有 28.4% 的名义质押,但在行为多样性上得分较低;Coinbase 和 Binance 分别持有 15.1% 和 13.7% 的名义质押,其行为模式同样高度相关。合计来看,前三大实体控制了约57.2% 的名义质押,但在 DW-BFT 模型下仅拥有约15.7% 的有效权重——这一数值远低于容错阈值,与其原始质押占比形成鲜明对比。
分布式的单机验证者则呈现出相反的故事。他们仅持有 22.3% 的名义质押,但由于其行为与全网平均行为的相关性要低得多,最终掌握了约60.2% 的有效投票权。换言之,在标准的质押加权 BFT 下,少数大型实体理论上可以协调起来最终确定无效区块;而在 DW-BFT 下,同样的协调反而会压缩其影响力,而不是放大。
这件事为何不仅仅是数学问题?因为它重塑了围绕以太坊质押集中化的整个讨论。监管机构、研究者和社区多年来一直担心 Lido、Coinbase 和 Binance 的合并质押份额会跨过危险阈值。DW-BFT 框架表明,更紧迫的变量不是这些实体持有多少质押,而是它们的行为有多相似——而这一点在当前的共识设计中完全没有被度量。
模拟结果进一步强化了这一观点。在运行了 10,000 个包含女巫(sybil)验证者、具有不同相关性水平的攻击场景后,论文发现,一旦内部相关性达到完美的 1.00,标准的拜占庭容错共识在 100% 的情况下都会沦为协调卡特尔攻击的牺牲品。而在 DW-BFT 下,同样完全相关的卡特尔攻击成功率为 0%。即便在更温和的相关性水平——0.75 和 0.90——下,标准 BFT 的攻击成功率也会攀升至 41.7% 和 75.8%,而 DW-BFT 仍将成功率压制在个位数。正如论文所言,系统并不需要“知道”攻击即将发生;卡特尔自身的高度一致性就已经暴露了它。
预言机设计中“结构化沉默”的理由
论文的第二个定理则聚焦于 DeFi 基础设施的另一角:价格预言机。其结论对行业同样不太友好。愿意在数据看起来可疑时选择不发布任何内容的预言机,在对抗操纵方面的表现优于被设计为始终给出一个数值的预言机,论文认为这使得当今主流的预言机设计在结构上已经“过时”。
为何“暂不发布数据”优于“始终发布”
每一个已部署的预言机网络——Chainlink、Pyth、UMA、Band、API3 和 RedStone——都运行在始终发布数据的模型之上,将陈旧或被操纵的价格视为优于“没有价格”的选择。定理 2,被论文称为“结构化沉默的最优性(Optimality of Structured Silence)”,证明了在发布错误数值造成的损失大于短暂延迟的成本时,只要攻击者的攻击预算是有限的,在可度量的不确定性下选择不发布数据的预言机,其期望损失会严格低于始终发布数据的预言机。
这一机制依赖于一个“相干性(coherence)指标”,用来衡量当前价格观测与该资产累积行为历史之间的匹配程度——例如跨交易所资金流的一致性、钱包层面的稳定性等。当相干性跌破设定阈值时,预言机不会发布价格,但仍会发布元数据:是哪个信号失效、偏离程度有多大,以及预计恢复时间。这构成了论文所称真正沉默预言机策略的实践基础,被定位为一种直接的预言机操纵防御形式,而当前始终在线的数据源并不具备这种能力。
用 30 起 DeFi 攻击回测“沉默”策略
为了在真实风险面前检验理论,研究者将两种策略回测到了自 2020 年以来记录的每一起主要预言机操纵攻击事件——共 30 起,累计损失 33.15 亿美元。始终发布数据的策略(模拟 Chainlink 和 Pyth 风格预言机的行为)未能阻止这 30 起攻击中的任何一例。采用 0.62 阈值的沉默预言机策略则阻止了全部 30 起攻击。
这种保护是有代价的。沉默策略在并非攻击的高波动事件中触发了 100% 的误报率,在回测期间一共产生了 2,147 次不必要的“沉默”。平均每次沉默仅持续 2.4 个区块,论文估算由此带来的延迟成本约为 1,100 万美元的清算摩擦——只占该策略本可保护的 33.15 亿美元的一小部分。正如研究者的表述,一个愿意在模糊期短暂停顿的预言机会损失少量吞吐量,却几乎可以保护全部用户资金;而一个始终在线的预言机则在保持完美可用的同时,也保持着完美的可被利用性。
接下来怎么办:落地难点与开放问题
这两个结果都指向同一个结论:若要真正采纳它们,短期内需要进行协议层面的改动,而且仍有若干严重风险尚未解决。论文明确指出,这些只是提案而非完工的工程方案,并在给出结论的同时列出了自身的疑虑。
重构共识与预言机协议
在共识层面,论文认为以太坊的最终确定机制应当在质押 s_j 之外,同时使用多样性因子 d_j 为投票加权,而不是仅按质押加权——这意味着一个总是与大多数保持完全一致的大型验证者实体,其影响力应当更接近于单个独立验证者,而不是其质押倍数所暗示的权重。值得注意的是,分析表明,同样的行为多样性视角会自然缓解围绕 MEV-Boost 出块者集中化的担忧,因为相关性高的出块者会自动失去提议者影响力,而无需对提议者-出块者分离机制进行单独重构。
在预言机层面,采用沉默策略意味着 DeFi 协议必须将“当前无可用数值”视为一种合法且预期中的输出,而不是系统故障。这是一种结构性转变:当今大多数借贷市场、永续合约交易所和清算引擎都假定价格馈送始终在线,要想在不破坏用户头寸的前提下优雅地处理价格空档,就需要进行相当程度的重新设计。
尚未解决的攻击向量
论文坦率地指出了自身可能出错的地方,并列出了在任何一个想法进入生产环境之前,研究者需要解决的若干开放问题:
- 女巫去相关攻击(sybil-decorrelation),即攻击者拆分为多个实体,在大部分时间里表现出不同的行为,只在发动攻击时刻进行协调,从而可能利用多样性加权机制。
- DW-BFT 可能会惩罚那些在正常共识期间“正确地”做出相同行为的诚实验证者,因为仅凭相关性无法完全区分恶意协调与合理一致。
- 相干性指标本身可能被资金雄厚的攻击者操纵,论文估算这需要大约直接攻击价格馈送所需资本的 40 至 60 倍。
- 当前的行为特征提取过程依赖于一个中心化、半可信的组件,而非完全去中心化的计算。
这些保留意见之所以重要,是因为它们界定了从一个有趣的定理到可交付协议变更之间还剩下多少工作。以太坊验证者多样性发现和沉默预言机策略都建立在扎实的模拟与回测数据之上,但论文本身将这些视为社区审查的起点,而非既定工程事实,邀请外界提出反驳、替代模拟,以及这些定理可能失效的构造。
常见问题
为什么在 DW-BFT 中,验证者行为相关性会降低其有效投票权?
因为当验证者的行为向量高度相似时,它们之间的相关性很强,其多样性权重会趋近于零,从而无论名义质押多少,其有效投票权都会被削弱。
沉默预言机策略如何提升对价格操纵的防御能力?
通过在相干性指标显示存在不确定性时选择不发布价格,沉默预言机可以避免发布被操纵的数值,从而相较于始终发布、易受攻击的数据源,降低预期损失。
实现 DW-BFT 和沉默预言机策略的主要挑战是什么?
挑战包括:调整共识协议以按行为多样性为投票加权、修改 DeFi 协议以处理预言机数据缺失,以及防御诸如女巫去相关攻击和相干性操纵等新的攻击向量。
为什么始终发布数据的预言机在被广泛部署的情况下仍然脆弱?
始终发布数据的预言机将可用性置于数据完整性之上,即便在遭受对抗性操纵时也从不暂停发布数据,这使得攻击者可以利用陈旧或被操纵的价格馈送。
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Why does validator behavior correlation reduce effective voting weight in DW-BFT?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Because validators with near-identical behavioral vectors correlate strongly, their diversity weight approaches zero, diminishing their effective voting power regardless of nominal stake.”}},{“@type”:”Question”,”name”:”How does the silent oracle strategy improve defense against price manipulation?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”By withholding publication when coherence metrics indicate uncertainty, silent oracles avoid publishing manipulated values , reducing expected loss compared to always publishing vulnerable data.”}},{“@type”:”Question”,”name”:”What are the main challenges to implementing DW-BFT and silent oracle strategies?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Challenges include adapting consensus protocols to weight votes by behavioral diversity, modifying DeFi protocols to handle missing oracle data, and defending against new attack vectors like sybil-decorrelation and coherence manipulation.”}},{“@type”:”Question”,”name”:”Why do always-publish oracles remain vulnerable despite widespread deployment?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Always-publish oracles prioritize availability over data integrity, never withholding data even during adversarial manipulation, which enables attackers to exploit stale or manipulated feeds.”}}]}
本文在人工智能辅助下完成,由编辑团队进行审核。




